文章列表-AI魔法学院

文章列表

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

在论文记录超参数的表 2.1 中有一个可能的拼写错误，其中 GPT-3 13B 被记作为具有 5140 的嵌入维度，这里应该是 5120。

Transformer

Whisper对于中文语音识别与转写中文文本优化的实践(Python3.10)

阿里的FunAsr对Whisper中文领域的转写能力造成了一定的挑战，但实际上，Whisper的使用者完全可以针对中文的语音做一些优化的措施，换句话说，Whisper的“默认”形态可能在中文领域斗不过

Whisper 语音优化

国内厂商语音识别与Whisper评测：现状与概况对比

国内的科技企业在语音识别领域也在不断迭代和创新，其中不乏一些具有竞争力的语音识别技术，如讯飞、百度、阿里巴巴等，这些厂商的技术在一定程度上已经接近或达到了国际领先水平。

语音识别 Faster-Whisper

CLiB中文大模型能力评测榜单（持续更新）

出自：https://zhuanlan.zhihu.com/p/634608422 目前已囊括19个大模型，覆盖chatgpt、百度文心一言、阿里通义千问、讯飞星火、360智脑、minimax

大模型人工智能评测

达摩院SPACE对话大模型：知识注入与知识利用

这里以一个办理汽车保险的任务为参考案例。

大模型

OCR的终极解法——传统算法VS多模态大模型

广州阿里游戏科技有限公司", "type": "公司" } ], { "offset": [ 11,&ensp

OCR 大模型文字识别

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

由南京大学、阿里巴巴、字节跳动和南开大学联合开发的这一项目，在技术层面上展现了巨大的潜力和创新性。

VividTalk 视频

8月份最火的 5 个 GitHub 项目

支持 Azure、Anthropic Claude、Google PaLM 2、智谱 ChatGLM、百度文心一言、讯飞星火认知以及阿里通义千问，可用于二次分发管理 key，仅单可执行文件，已打包好 Docker

下载

手把手带你微调一个自己的 ChatGLM2-6B 模型

o 硬件环境我这里使用了阿里云的 GPU 服务器： o • 12核(vCPU) 92 GiB o o •

ChatGLM2-6B

Fastwhisper + Pyannote 实现 ASR + 说话者识别

前言最近在研究ASR相关的业务，也是调研了不少模型，踩了不少坑，ASR这块，目前中文普通话效果最好的应该是阿里的modelscope上的中文模型了，英文的话，还是非whisper莫属了，而且

faster-whisper 语者识别 ASR

13.5K Star ! Fish Speech Windows本地搭建，能否达到官方的级别？强烈推荐

Fish Speech是一款由Fish Audio开发的开源的文本到语音（TTS）工具，支持英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语。

Fish Speech 本地搭建

AI帮你DIY新年祝福海报，拜年必备神器！

新年将至，位于阿里巴巴集团的通义实验室推出了一款名为“创意海报生成器”的人工智能应用程序，提供了制作拜年海报的功能。

拜年海报 ai绘画

国内AI大模型已近80个，哪个最有前途？

综合在美国三个月得到的信息，感觉大厂里面最有前途的是字节和百度，已经公开发布大模型的创业公司里面最有前途的是智谱和 moonshot。

大模型

比 Roop 和 Reactor 更像！IP Adapter 新模型为任何人做写真

这个模型也可以在 Stable Diffusion 的云平台上使用。

IP-Adapter 文生图

万物皆可接入DeepSeek，44家接入R1的国产平台超详细大盘点

华为、阿里、360、腾讯、字节...各位爸爸们都入场了。

deepseek 大模型

<1 2 345 6 7 8 9 10 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1